基于空間計(jì)量模型的數(shù)字普惠金融與廣東省協(xié)調(diào)發(fā)展研究

許仲宇 陳少銘 楊穎

摘 要：基于2011—2020年廣東省21個地級市的面板數(shù)據(jù)，本文運(yùn)用熵權(quán)法測度各城市的協(xié)調(diào)發(fā)展水平，并構(gòu)建空間計(jì)量模型探究數(shù)字普惠金融對協(xié)調(diào)發(fā)展的影響。結(jié)果表明：廣東省協(xié)調(diào)發(fā)展水平總體上具有空間依賴性，局部上表現(xiàn)為空間集聚，數(shù)字普惠金融和協(xié)調(diào)發(fā)展均表現(xiàn)出顯著的空間相關(guān)性；數(shù)字普惠金融總體上對本地區(qū)協(xié)調(diào)發(fā)展水平有顯著的積極影響，但對鄰近城市有負(fù)向空間溢出效應(yīng)；進(jìn)一步研究發(fā)現(xiàn)，其對粵東、粵西和珠三角地區(qū)的促進(jìn)作用較顯著，但對粵北地區(qū)的影響不顯著。

關(guān)鍵詞：廣東?。粩?shù)字普惠金融；協(xié)調(diào)發(fā)展；熵權(quán)法；空間計(jì)量模型

本文索引：許仲宇，陳少銘，楊穎.基于空間計(jì)量模型的數(shù)字普惠金融與廣東省協(xié)調(diào)發(fā)展研究[J].中國商論，2023（09）：-117.

中圖分類號：F127 文獻(xiàn)標(biāo)識碼：A 文章編號：2096-0298（2023）05（a）--04

1 引言

廣東省在改革開放的40多年中取得了許多重大成就，但發(fā)展不協(xié)調(diào)問題一直未得到有效解決。廣東省近年來積極實(shí)施數(shù)字普惠金融服務(wù)行動，在2022年針對商戶收單減免各類移動支付手續(xù)費(fèi)約6.59億元，惠及農(nóng)村小微企業(yè)及個體工商戶超40.44萬戶[1]，在提振普惠金融水平的同時，推動了廣東省協(xié)調(diào)發(fā)展。

數(shù)字普惠金融可以打破區(qū)域間時空信息壁壘和縮短信息傳遞距離，進(jìn)而導(dǎo)致空間溢出效應(yīng)的產(chǎn)生[2]。有學(xué)者利用省際面板數(shù)據(jù)驗(yàn)證了數(shù)字普惠金融對減少貧困、收入差距與居民消費(fèi)的空間溢出效應(yīng)[3-5]，上述研究多發(fā)現(xiàn)其具有正向影響，但也有學(xué)者認(rèn)為負(fù)向效應(yīng)同樣存在[6]。

綜上所述，數(shù)字普惠金融是當(dāng)前學(xué)術(shù)界關(guān)注的熱點(diǎn)，但關(guān)于其空間溢出效應(yīng)的研究尚無定論，且專門探討其對協(xié)調(diào)發(fā)展影響的文獻(xiàn)較為匱乏。此外，相關(guān)研究多基于省際面板數(shù)據(jù)，缺乏城市層面數(shù)據(jù)的實(shí)證分析。鑒于此，本文基于廣東省21個地級市的面板數(shù)據(jù)，利用空間計(jì)量模型探究數(shù)字普惠金融對協(xié)調(diào)發(fā)展的影響。這不僅有利于深入認(rèn)識數(shù)字普惠金融的經(jīng)濟(jì)社會效應(yīng)，對促進(jìn)廣東省協(xié)調(diào)發(fā)展同樣具有借鑒意義。

2 指標(biāo)選取與數(shù)據(jù)來源

本文借鑒前人研究，從使用深度、覆蓋廣度和數(shù)字化支持程度三個層次刻畫數(shù)字普惠金融水平[7]，相關(guān)數(shù)據(jù)來自“北大數(shù)字普惠金融指數(shù)”。其中，使用深度能生動描繪數(shù)字普惠金融的使用情況，覆蓋廣度能準(zhǔn)確反映數(shù)字普惠金融的普及程度，數(shù)字服務(wù)支持能深刻反映數(shù)字普惠金融的服務(wù)成本。

本文選取五個指標(biāo)來構(gòu)建協(xié)調(diào)發(fā)展水平評價指標(biāo)體系，數(shù)據(jù)源自《中國城市統(tǒng)計(jì)年鑒》。具體而言：采用第三產(chǎn)業(yè)生產(chǎn)總值占GDP比重來衡量經(jīng)濟(jì)市場化程度，采用城鎮(zhèn)化率表示城市化水平，使用城鄉(xiāng)收入差距衡量城鄉(xiāng)經(jīng)濟(jì)發(fā)展協(xié)調(diào)程度，選取GDP增長率描述區(qū)域可持續(xù)發(fā)展情況，選用規(guī)模以上工業(yè)增加值占GDP比重來表示工業(yè)企業(yè)協(xié)調(diào)發(fā)展情況。

控制變量方面：采用人均GDP來衡量區(qū)域經(jīng)濟(jì)發(fā)展水平；以高校在校生人數(shù)來度量人力資本水平；用FDI占GDP比重反映地區(qū)對外開放水平；選取地方財(cái)政一般預(yù)算支出占GDP比重來表示政府財(cái)政支出；選用專利授權(quán)量來度量創(chuàng)新水平。上述數(shù)據(jù)從各地級市統(tǒng)計(jì)年鑒中獲取，缺失值采用線性插值法補(bǔ)齊。

3 廣東省各地級市協(xié)調(diào)發(fā)展水平測度

基于上文構(gòu)建的協(xié)調(diào)發(fā)展水平評價指標(biāo)體系，本文采用熵權(quán)法確定各指標(biāo)權(quán)重值，進(jìn)而測算2011—2020年廣東省21個地級市的協(xié)調(diào)發(fā)展水平。計(jì)算步驟如下：

（1）構(gòu)建初始矩陣。由個樣本和個指標(biāo)所組成的矩陣可表示為：

（2）數(shù)據(jù)標(biāo)準(zhǔn)化。由于各指標(biāo)的數(shù)量級和量綱存在不一致，會影響計(jì)算結(jié)果，故需要對指標(biāo)數(shù)值進(jìn)行無量綱化處理。處理公式如下所示：

其中，為第個樣本第項(xiàng)指標(biāo)的原始數(shù)據(jù)，為標(biāo)準(zhǔn)化處理后的數(shù)據(jù)，和分別表示指標(biāo)體系中第項(xiàng)指標(biāo)的最大值和最小值，經(jīng)標(biāo)準(zhǔn)化處理后的矩陣為：

其中，設(shè)有n個觀測值，m個指標(biāo)，i∈{1，2，...，n}為測算城市的數(shù)量， j∈{1，2，...，m}為所研究的指標(biāo)數(shù)。

（3）求各指標(biāo)熵值。利用無量綱化處理后得到的，計(jì)算第j項(xiàng)指標(biāo)的信息熵：

（4）確定各指標(biāo)的權(quán)重。根據(jù)公式，計(jì)算出各指標(biāo)的熵值為，，…，。

（5）通過熵值計(jì)算各指標(biāo)的權(quán)重：

（6）計(jì)算得分：

由圖1可知，廣東省21個地級市的協(xié)調(diào)發(fā)展水平存在明顯不均衡，其中深圳市與廣州市的協(xié)調(diào)發(fā)展水平位于全省前列，而湛江市與云浮市的數(shù)值較小，這表明廣東省協(xié)調(diào)發(fā)展水平可能存在某種空間異質(zhì)性。

4 構(gòu)建空間計(jì)量模型

一般計(jì)量模型將樣本在地理空間上視為獨(dú)立個體，然而在現(xiàn)實(shí)情況中，數(shù)字普惠金融與廣東省協(xié)調(diào)發(fā)展在各市區(qū)間有著緊密聯(lián)系，可能存在空間依賴性和空間異質(zhì)性，此時采用傳統(tǒng)的計(jì)量模型易導(dǎo)致有偏估計(jì)。因此，構(gòu)建如下空間計(jì)量模型：

其中，為解釋變量，為被解釋變量，與為系數(shù)，為空間自相關(guān)系數(shù)，為空間權(quán)重矩陣，為殘差擾動項(xiàng)，為空間誤差系數(shù)。若==0，該模型轉(zhuǎn)化為空間誤差模型；若==0，該模型轉(zhuǎn)化為空間滯后模型；若=0，該模型轉(zhuǎn)化為空間杜賓模型。

4.1 空間權(quán)重矩陣

對于空間矩陣的設(shè)定，本文采用基于ROOK鄰近性的空間權(quán)重矩陣（），其元素表達(dá)式為：

將矩陣進(jìn)行標(biāo)準(zhǔn)化處理后得到空間權(quán)重矩陣W，其對角線上的元素均為0。

4.2 空間自相關(guān)性檢驗(yàn)

借助指數(shù)檢驗(yàn)廣東省各地區(qū)協(xié)調(diào)發(fā)展之間是否存在空間自相關(guān)性，考察觀測值與其空間滯后項(xiàng)之間的線性相關(guān)程度，計(jì)算公式如下：

其中，，，Yi為第i地區(qū)的值；為空間權(quán)重矩陣，此處采用一階Rook空間權(quán)重矩陣[8]；指數(shù)取值范圍[-1，1]，采用標(biāo)準(zhǔn)化統(tǒng)計(jì)量Z來檢驗(yàn)顯著性水平。

由計(jì)算可知，2011—2020年廣東省協(xié)調(diào)發(fā)展水平的空間指數(shù)大致在0.3～0.6的區(qū)間內(nèi)變化，且通過5%的顯著性水平檢驗(yàn)，表明21個地級市的協(xié)調(diào)發(fā)展水平具有正向空間依賴性。為進(jìn)一步檢驗(yàn)各地級市的局部空間自相關(guān)，本文運(yùn)用Geoda軟件繪制出局部指數(shù)散點(diǎn)圖。局域自相關(guān)分為四種不同模式，分布在四個象限，每個象限對應(yīng)一種空間結(jié)構(gòu)，以展現(xiàn)各城市觀測值與其鄰市觀測值之間的空間依賴關(guān)系[9]。從圖2可以看出，有超過85%城市的觀測值位于第一、第三象限，說明廣東省協(xié)調(diào)發(fā)展水平具有明顯的“高高集聚”和“低低集聚”特征。

5 數(shù)字普惠金融對協(xié)調(diào)發(fā)展影響的實(shí)證檢驗(yàn)

5.1 計(jì)量模型的設(shè)定

以上分析表明，廣東省各城市存在著協(xié)調(diào)發(fā)展水平的空間集聚現(xiàn)象。因此，本文引入空間計(jì)量模型以解決普通最小二乘法因忽略空間相關(guān)性帶來不恰當(dāng)?shù)哪Ｐ驮O(shè)立問題?；谏衔牡哪Ｐ蜆?gòu)建，本文采用如下空間杜賓模型：

其中，Coordinate代表因變量區(qū)域協(xié)調(diào)水平，EF代表自變量數(shù)字普惠金融，ED為控制變量經(jīng)濟(jì)發(fā)展水平，LnHC為人力資本水平，GS為政府財(cái)政支出，LnFDI為外商直接投資，LnRIC為創(chuàng)新水平，W代表空間權(quán)重矩陣。

5.2 實(shí)證結(jié)果分析

經(jīng)Hausman檢驗(yàn)，本文采用固定效應(yīng)進(jìn)行估計(jì)。表1結(jié)果表明，數(shù)字普惠金融發(fā)展對廣東省協(xié)調(diào)發(fā)展具有促進(jìn)作用。金融服務(wù)作為一種資本形成機(jī)制的載體，在落后地區(qū)供給匱乏，且金融機(jī)構(gòu)自身趨利聚集性，導(dǎo)致在發(fā)展落后地區(qū)可能產(chǎn)生金融排斥。數(shù)字普惠金融通過為社會各階層，尤其是現(xiàn)有金融體系覆蓋不足的城鎮(zhèn)低收入人群、農(nóng)村人口特殊群體以及小微企業(yè)提供金融產(chǎn)品和服務(wù)，延伸了金融服務(wù)覆蓋面并降低成本。在協(xié)調(diào)發(fā)展較弱的地區(qū)，數(shù)字普惠金融充分發(fā)揮長尾效應(yīng)，降低了金融排斥，擴(kuò)大對小微企業(yè)及低收入農(nóng)戶的信貸資金支持，提高資源配置效率，從而實(shí)現(xiàn)協(xié)調(diào)發(fā)展。

5.3 區(qū)域異質(zhì)性估計(jì)結(jié)果分析

考慮到區(qū)域異質(zhì)性，本文將廣東省21個地級市分為珠三角、粵東、粵西和粵北四個區(qū)域。其中，珠三角地區(qū)為廣州、深圳、珠海、佛山、江門、東莞、中山、惠州、肇慶九市；粵東地區(qū)為汕頭、潮州、揭陽、汕尾四市；粵西地區(qū)包括湛江、茂名、陽江三市；粵北地區(qū)包括韶關(guān)、河源、梅州、清遠(yuǎn)、云浮五市。表2的估計(jì)結(jié)果顯示，數(shù)字普惠金融對珠三角地區(qū)、粵東和粵西都具有正向顯著影響，但對粵北地區(qū)的影響不顯著，這可能與該地區(qū)數(shù)字普惠金融發(fā)展相對落后有關(guān)。

5.4 數(shù)字普惠金融對協(xié)調(diào)發(fā)展的影響效應(yīng)分解

本文將數(shù)字普惠金融對協(xié)調(diào)發(fā)展的影響分解為直接效應(yīng)和間接效應(yīng)，其中直接效應(yīng)為數(shù)字普惠金融對本地區(qū)協(xié)調(diào)發(fā)展的總體影響，既包含數(shù)字普惠金融對本地區(qū)協(xié)調(diào)發(fā)展的直接作用，又包含對鄰近地區(qū)協(xié)調(diào)發(fā)展產(chǎn)生影響進(jìn)而影響本地區(qū)空間反饋?zhàn)饔谩ｉg接效應(yīng)，即空間溢出效應(yīng)，為數(shù)字普惠金融對周邊地區(qū)協(xié)調(diào)發(fā)展的影響。

表3結(jié)果表明，數(shù)字普惠金融水平的提升對本地區(qū)協(xié)調(diào)發(fā)展的貢獻(xiàn)較為可觀，同時其對周邊城市的協(xié)調(diào)發(fā)展具有負(fù)向溢出效應(yīng)。當(dāng)前，數(shù)字普惠金融和協(xié)調(diào)發(fā)展存在一定的同向關(guān)聯(lián)性，且對于數(shù)字普惠金融程度較高的區(qū)域，其互聯(lián)網(wǎng)金融的使用深度、覆蓋廣度和數(shù)字化服務(wù)程度也較高[10]，這些優(yōu)勢會對被排斥在傳統(tǒng)金融服務(wù)外周邊地區(qū)的企業(yè)和消費(fèi)者形成吸引力，從而對鄰近城市的協(xié)調(diào)發(fā)展產(chǎn)生抑制作用。

6 結(jié)語

本文基于廣東省21個地級市2011—2020年統(tǒng)計(jì)數(shù)據(jù)，運(yùn)用熵權(quán)法計(jì)算各市協(xié)調(diào)發(fā)展水平，并構(gòu)建空間杜賓模型分析數(shù)字普惠金融對廣東省協(xié)調(diào)發(fā)展的影響。結(jié)論如下：第一，廣東省各地級市協(xié)調(diào)發(fā)展水平總體呈空間依賴性，在局部上表現(xiàn)為相同屬性的城市存在集聚現(xiàn)象；第二，數(shù)字普惠金融正向影響粵東、粵西和珠三角地區(qū)的協(xié)調(diào)發(fā)展水平，但對粵北地區(qū)的影響不顯著；第三，盡管數(shù)字普惠金融發(fā)展對本地區(qū)協(xié)調(diào)發(fā)展有積極作用，但對周邊城市有負(fù)向空間溢出作用。

為進(jìn)一步發(fā)揮數(shù)字普惠金融的積極作用，本文提出如下建議：第一，加強(qiáng)數(shù)字基礎(chǔ)設(shè)施建設(shè)，優(yōu)化數(shù)字普惠金融服務(wù)環(huán)境并健全相關(guān)監(jiān)管體系；第二，發(fā)揮數(shù)字普惠金融的經(jīng)濟(jì)增長效應(yīng)，完善收入分配機(jī)制，推動金融更好地服務(wù)實(shí)體經(jīng)濟(jì)；第三，推進(jìn)數(shù)字普惠金融要素協(xié)調(diào)分配，引導(dǎo)人才、資金等生產(chǎn)要素向廣東省欠發(fā)達(dá)地區(qū)流動，實(shí)現(xiàn)數(shù)字普惠金融的紅利共享。

參考文獻(xiàn)

羅宇飛，孔凡東，潘在怡.廣東打造移動支付服務(wù)“鎮(zhèn)級樞紐”[N].金融時報(bào)，2022-01-11（009）.

徐章星.數(shù)字普惠金融發(fā)展促進(jìn)了城市創(chuàng)新嗎：基于空間溢出和門檻特征的實(shí)證分析[J].南方金融，2021（2）：53-66.

陳丹丹，劉慶，楊欣君，等.數(shù)字普惠金融減貧效應(yīng)的空間溢出效應(yīng)分析：基于我國省際面板數(shù)據(jù)分析[J].科技創(chuàng)新與生產(chǎn)力， 2022（1）：97-105.

張子豪，譚燕芝.數(shù)字普惠金融與中國城鄉(xiāng)收入差距：基于空間計(jì)量模型的實(shí)證分析[J].金融理論與實(shí)踐，2018（6）：1-7.

王雄，黃云，任曉航，等.數(shù)字普惠金融對居民消費(fèi)的空間溢出效應(yīng)研究[J].系統(tǒng)工程理論與實(shí)踐，2022，42（7）：1770-1781.

楊宇，張彩虹.基于空間杜賓模型的數(shù)字普惠金融與我國區(qū)域經(jīng)濟(jì)增長研究[J].中國商論，2021（24）：109-113.

郭峰，王靖一，王芳，等.測度中國數(shù)字普惠金融發(fā)展：指數(shù)編制與空間特征[J].經(jīng)濟(jì)學(xué)（季刊），2020，19（4）：1401-1418.

徐敏，姜勇.中國產(chǎn)業(yè)結(jié)構(gòu)升級能縮小城鄉(xiāng)消費(fèi)差距嗎[J].數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究，2015，32（3）：3-21.

魏萍，陳曉文.數(shù)字經(jīng)濟(jì)、空間溢出與城鄉(xiāng)收入差距：基于空間杜賓模型的研究[J].山東科技大學(xué)學(xué)報(bào)（社會科學(xué)版），2020， 22（3）：75-88.

褚翠翠，佟孟華，李洋，等.中國數(shù)字普惠金融與省域經(jīng)濟(jì)增長：基于空間計(jì)量模型的實(shí)證研究[J].經(jīng)濟(jì)問題探索，2021（6）：179-190.